DYNA

2.1. Energías renovables

Uno de los avances más importantes en los sistemas de potencia ha sido el aprovechamiento de nuevas fuentes de energía, sobre todo aquellas que tienen un menor impacto ambiental. La generación de energía eléctrica mediante fuentes renovables está creciendo de forma acelerada, de hecho, durante el año 2015 a nivel mundial la capacidad instalada en GW de energías renovables ha superado lo instalado en generación térmica, unos 147GW renovables en comparación a 38GW térmicos [8]. De tal manera que la tendencia mundial es hacia el crecimiento de las energías renovables. En años recientes esta progresión ha sido evidente.

Dentro de las fuentes de energía renovables, la energía hídrica es la que tiene mayor capacidad instalada en el mundo, seguida por la energía eólica y la energía solar (Fig. 2). Sin embargo, la capacidad instalada en energía solar fotovoltaica está creciendo rápidamente, de igual manera la energía eólica presenta una tasa de crecimiento mayor a la hidroeléctrica. Como se muestra en la Fig. 3, el crecimiento de las fuentes de energía eólica y solar fotovoltaica ha sido sostenido en los últimos cinco años, estas tasas de crecimiento indican que en los próximos años se incrementará la penetración de las fuentes de energía renovables. De tal manera que se puede afirmar que los sistemas eléctricos en la actualidad y hacia el futuro están caracterizados por un incremento constante en la adición de nuevas fuentes de energía con un énfasis particular en las energías renovables.

2.2. Impacto de la variabilidad de la generación

La existencia de energías renovables como la energía solar y la energía eólica, implica que existe una dependencia de las condiciones climáticas para la generación de energía eléctrica. La naturaleza del clima es variable, y si bien existen técnicas para predecir su comportamiento, siempre existen factores de incertidumbre. Los fenómenos ambientales pueden afectar gravemente el funcionamiento de los sistemas de potencia, por ello se ha generado interés en el estudio de estos sistemas frente a cambios en las condiciones ambientales que puedan afectar la generación [11].

Figura 2: Capacidad instalada en GW de energías renovables en los años 2014 y 2015.

Fuente: REN21, 2016.

Figura 3: Crecimiento histórico de la capacidad instalada en GW de energía solar fotovoltaica y energía eólica en los últimos cinco años.

Fuente: REN21, 2016

Por su variabilidad, la alta penetración de energía eólica y energía solar puede afectar el diseño, el funcionamiento y la planificación de los sistemas de potencia. Se han realizado investigaciones para verificar el impacto de este tipo de generación en el sistema de potencia. Los resultados han mostrado que a medida que la generación eólica supera el 20% de la demanda, se pueden presentar inconvenientes con el control de la frecuencia, estabilidad y el balance de potencia, de tal manera que para mantener la confiabilidad y la flexibilidad del sistema se hace necesario aumentar las reservas de potencia en el sistema [13,14].

Holttinen y col. proponen que la integración en grandes bloques de energía puede ayudar a mantener el balance de potencia y la confiabilidad del sistema mediante intercambios internacionales [12]. Sin embargo, esto debe redundar en un fortalecimiento del sistema de transmisión para poder trasladar mayores bloques de energía y una mayor monitorización ante posibles eventos.

Por otro lado, la conexión de energía fotovoltaica a las redes trae efectos, tanto en estado estable como en estado transitorio. El impacto de la integración de energía fotovoltaica depende del nivel de penetración que puede tener en términos de la demanda total del sistema, así como también la topología de la conexión y el tipo de instalación; que puede variar desde residencial hasta plantas fotovoltaicas a gran escala. Según Eftekharnejad y col. a partir de niveles de penetración de un 20% con respecto a la generación total se observan desviaciones principalmente en el perfil de tensiones del sistema [13].

2.3. Generación distribuida

Una de las tendencias en el suministro de la energía eléctrica es la generación distribuida, en general, se trata de proveer fuentes de potencia activa conectadas directamente a la red de distribución o en el punto de medición del usuario [14,15]. Este concepto también se conoce como generación descentralizada o embebida. Actualmente, se están empleando sistemas de generación distribuida mediante distintas tecnologías como generación térmica, energías renovables, celdas de combustible, entre otras. La mayoría de estas tecnologías necesitan de la electrónica de potencia para inyectar la potencia a la red de una manera eficiente y confiable, además de garantizar la calidad de la energía suministrada.

En comparación con los sistemas de potencia tradicionales centralizados, los sistemas basados en generación distribuida pueden reducir ampliamente las pérdidas en los alimentadores y las inversiones en redes de transmisión y distribución [16]. Estos sistemas permiten un soporte mutuo con la red macro, un mayor uso de los equipos y recursos disponibles y un suministro confiable con una mayor calidad, por lo tanto se puede aumentar la eficiencia y la seguridad de la red.

2.4. Sistemas de transmisión en corriente alterna flexibles

Los sistemas de transmisión flexibles en corriente alterna (FACTS: Flexible AC Transmission Systems) son dispositivos de electrónica de potencia que al ser instalados en una red de energía eléctrica permiten regular el flujo de potencia y mantener la estabilidad del sistema [17]. Ellos proveen la impedancia deseada, potencia activa y potencia reactiva con el objetivo de mantener la estabilidad en todos los buses; incrementar los límites de carga y disminuir las pérdidas de potencia activa y reactiva del sistema de potencia.

Los dispositivos FACTS son usados actualmente debido a las prestaciones previamente mencionadas, y se busca ampliar su aplicación para poder ejercer un mayor control sobre los intercambios de energía que ayuden a mantener el balance de potencia y la estabilidad en la red ante posibles variaciones de la generación o de la carga.

2.5. Transmisión en corriente directa

En épocas recientes ha existido una tendencia hacia la transmisión en corriente directa (HVDC: High voltaje direct current transmission) debido a las ventajas que se han evidenciado sobre las líneas AC. Entre las ventajas están la reducción de las pérdidas debido a que en los sistemas HVDC no circula potencia reactiva; además, la capacidad de transmisión en HVDC es mayor debido a que no existe el efecto piel y el uso de menos conductores implica un menor costo y un menor peso, en grandes distancias. Adicionalmente, hoy en día la eficiencia y capacidad de control de los convertidores AC-DC y DC-AC han mejorado con respecto a épocas anteriores [18].

Gracias a las ventajas que se han mencionado, los sistemas HVDC están siendo empleados para la conexión de las plantas eólicas costa afuera [19], dado que se reducen los inconvenientes de la transmisión AC por cable subacuático. También, se está empleando este tipo de líneas de transmisión para conexiones internacionales y entre redes de características diferentes en cuanto a frecuencia y niveles de tensión, puesto que los convertidores AC-DC con tecnología actual permiten controlar la frecuencia del sistema y adecuar el nivel de tensión para el intercambio de energía [18].

Inicialmente la tecnología HVDC estaba basada en tiristores, pero se ha desarrollado tecnología basada en transistores, lo cual permite obtener casi todas las mejoras de los controladores FACTS individuales, esto es, transferencia de grandes bloques de potencia, entregar o absorber una cierta cantidad de potencia reactiva necesaria para mantener la tensión, controlar rápidamente emergencias para evitar niveles muy altos de corrientes de falla, entre otras [9].

2.6. Almacenamiento de energía

Un sistema de almacenamiento de energía tiene la capacidad de cargarse y descargarse de manera flexible para acumular excedentes de energía y suministrarlos cuando sea oportuno [20]. Los desarrollos recientes en las tecnologías de la electrónica de potencia han hecho que la aplicación de las técnicas de almacenamiento de energía sea una solución viable para los sistemas de potencia modernos.

Entre las tecnologías que se emplean como sistemas de almacenamiento de energía se encuentran: los sistemas de bombeo hidráulicos y de aire comprimido, las baterías, los bancos de condensadores, los volantes de inercia, el almacenamiento superconductor de energía magnética y los sistemas de almacenamiento híbridos [21]. Recientemente, los sistemas de almacenamiento híbridos han tomado auge ya que permiten integrar las bondades de distintas tecnologías en un mismo sistema.

Estos sistemas pueden aplicarse para solucionar distintos inconvenientes en los sistemas de potencia actuales. Por ejemplo, pueden ser empleados para balancear la red mediante servicios auxiliares, seguimiento y nivelación de carga. Además, puede suplir el incremento de la reserva para manejar la incertidumbre de la generación eólica, lo cual puede ayudar a mejorar la eficiencia en la operación del sistema, mejorar la absorción de potencia, disminuir el costo del combustible y reducir las emisiones de CO₂ [22].

2.7. Gestión de la demanda

En la evolución de los sistemas de potencia hacia redes inteligentes, se ha concluido que los consumidores tienen un papel muy importante y que pueden contribuir a mejorar el desempeño de la red. La gestión de la demanda consiste en emplear incentivos para lograr adecuar los patrones de consumo para mejorar el funcionamiento de la red de potencia [23].

Los beneficios de la gestión de la demanda son técnicos, económicos y ambientales. En el ámbito técnico se puede incrementar la seguridad y la confiabilidad de la red, ya que el tiempo de respuesta de la demanda es mucho menor que el de las grandes plantas de generación. En el ámbito económico se puede lograr la reducción de los picos de demanda, evitando inversiones adicionales. y en el aspecto ambiental, se pueden reducir las emisiones de gases contaminantes al evitar los picos de demanda que generalmente son cubiertos con generación térmica [24], [25].

Los programas de respuesta de la demanda son estrategias que se pueden aplicar para lograr modificar el consumo del usuario final, bien sea por cambios en el precio de la energía o por incentivos para reducir el consumo. Los programas de respuesta de la demanda pueden ser con participación directa del usuario o mediante mercados de electricidad u organismos encargados de la respuesta de demanda [26]. En todo caso, con el uso de las comunicaciones digitales y los medidores inteligentes de energía, la respuesta de la demanda se convierte en un mecanismo de control rápido en la red.

2.8. Micro redes

Una micro red es un sistema de potencia independiente que comprende generación distribuida, carga, almacenamiento de energía, y dispositivos de control, en la cual la generación distribuida y el sistema de almacenamiento están directamente conectados al usuario en paralelo [16]. Este tipo de sistema se ha venido estudiando desde comienzos de la década del 2000 y se plantea como un medio efectivo para convertir la red de distribución en una red activa, lo cual ayudará a la integración en gran escala de la generación distribuida y en la transición de la red de potencia tradicional a las redes de potencia inteligentes; la idea es convertir las redes de distribución de energía en sistemas que permitan la gestión más eficiente de la demanda y la generación. Una de las ventajas de las micro redes es que pueden funcionar de forma aislada, lo cual permite suministrar energía eléctrica a zonas alejadas.

3.1. Optimización de sistemas con energías renovables y el impacto de la variabilidad de los recursos

Previamente se han realizado varias revisiones sobre optimización aplicada a sistemas híbridos [27-30]. Tomando en cuenta los modelos, métodos y programas que se han empleado, uno de los principales aspectos a los que se les ha aplicado optimización es al diseño de sistemas híbridos. Los modelos de optimización del diseño de los sistemas híbridos se han concentrado en el dimensionamiento, combinaciones y localización de los componentes, tomando como principales restricciones los costos y la confiabilidad del sistema. Para poder evaluar los costos del diseño y su confiabilidad, se han empleado algunos índices que se muestran en la Tabla 1.

Las fuentes de energía renovable con mayor crecimiento han sido foco de mayor número de investigaciones en optimización. De acuerdo con esto, el principal punto de enfoque han sido los sistemas con generación eólica y fotovoltaica. Los aspectos de dimensionamiento y localización de estos tipos de energía han sido ampliamente abordados [31-34] desde la reducción de costos, emisiones y aumento de la confiabilidad.

Entre los recientes avances en los modelos de optimización para el diseño de sistemas con energías renovables, Rodrigues, Bauer y Bosman revisaron los modelos disponibles para el diseño de parques eólicos costa afuera y realizaron una propuesta de un modelo de optimización multiobjetivo para la localización de turbinas eólicas dentro de una cuadrícula prediseñada [35]. Aún es necesario realizar distintas pruebas y comparaciones a este algoritmo.

Tabla 1: Índices para evaluar diseños de sistemas de potencia con energías renovables.

Fuente: Elaborado por los autores.

El enfoque de modelar el diseño de los sistemas híbridos como un problema de optimización multiobjetivo tiene sentido a manera de lograr compromisos entre los distintos índices que dan cuenta de la bondad de los sistemas. Este enfoque ya se había empleado para el diseño de sistemas híbridos [38,39] y se ha implementado en programas comerciales [28].

Otros problemas de optimización que se plantean tienen relación con la operación del sistema. Estos se han especificado con funciones objetivo que van desde la minimización de costos hasta la reducción de pérdidas, con restricciones sobre las variables de estado del sistema. Uno de los puntos de interés en la optimización de los sistemas con energías renovables como la solar o la eólica es la variabilidad de dichos recursos. En este sentido, se han realizado propuestas para el manejo de la variabilidad introducida por las fuentes de energía renovable.

Martínez y Anderson propusieron una formulación del compromiso de unidades con restricciones de seguridad para manejar alta penetración de generación variable debida a fuentes renovables. El modelo se formula como un problema de optimización probabilística (chance-constrained optimization), el cual permite tomar en cuenta la incertidumbre en la generación y en la carga [40]. Por su parte, Taghavi y col. plantearon un despacho de potencia reactiva probabilístico tomando en cuenta la variabilidad de las fuentes de energía y otros elementos del sistema como FACTS y HVDC. El modelo se formuló como un problema de optimización con lógica difusa lineal y se aplicó estimación puntal discreta para la solución. Se demostró que este modelo se puede emplear con menor carga computacional en comparación con otros métodos probabilísticos como el método de Monte Carlo [41]. Sin embargo, ambas propuestas aún necesitan ser probadas con sistemas a mayor escala y datos reales.

Summers y col. proponen un modelo estocástico para flujo óptimo de potencia (FOP) multiperiodo, que minimiza los costos operativos sujetos a varias restricciones. En este trabajo se analizaron dos nuevos enfoques para el FOP con variables estocásticas: (a) el enfoque déficit esperado y (b) el enfoque robusto en términos de la distribución (Distributionally robust), ambos paradigmas de optimización bajo incertidumbre. Mediante ejemplos numéricos simples se demostró que estos enfoques permiten tomar decisiones de compromiso entre costo y riesgo y que el segundo otorga una mayor eficiencia computacional [37]. No obstante, se recomienda estudiar más detalladamente los beneficios de este tipo de optimización y el desarrollo de algoritmos de optimización distribuida para su aplicación a sistemas en gran escala.

Como se ha mencionado, uno de los ámbitos que no se ha cubierto en las investigaciones relacionadas con optimización de sistemas con energías renovables es la adecuación y la aplicación de los modelos planteados a redes en gran escala. Se puede afirmar que los modelos presentados se encuentran aún en fase de pruebas y se hace necesario realizar pruebas con datos reales.

3.2. Modelos para el diseño y operación de la generación distribuida y las micro redes

Actualmente existe un creciente interés por el desarrollo y mejoramiento de los programas y algoritmos para la optimización del diseño de sistemas de generación distribuida. Estas técnicas deben cubrir los principales detalles de diseño, evaluar el riesgo considerando la incertidumbre y tener alta precisión en la búsqueda de la solución.

En relación a la planificación de la generación distribuida, la localización adecuada de las unidades juega un papel crucial en el mejoramiento del desempeño del sistema; por lo tanto la localización óptima de la generación distribuida en los sistemas de potencia ha sido un punto de interés en las investigaciones actuales. Adicionalmente, la generación distribuida de fuentes renovables trae consigo variabilidad e incertidumbre. En este sentido, Atwa y El-Saadany propusieron una técnica probabilística para la localización de generación eólica distribuida formulada como un problema de optimización lineal entera mixta, el cual mostró resultados más precisos que otros métodos basados en factores de capacidad [42].

Abdelaziz y col. diseñaron un algoritmo para modelar generación distribuida basada en fuentes renovables para la planificación de redes desbalanceadas. Lograron integrar modelos probabilísticos de la carga, la generación eólica y la generación fotovoltaica, y determinar la localización óptima de la generación en el sistema de distribución. Con esto, se obtuvo una reducción considerable de las pérdidas anuales debidas a la integración de la generación distribuida [32].

Otros trabajos como el de Peng y col. también se han enfocado en la localización óptima de la generación distribuida mediante métodos estadísticos. Sin embargo, el modelo empleado en esta investigación se diferencia por tomar en cuenta la minimización de las emisiones contaminantes en conjunto con los costos y las pérdidas [43].

Por otra parte, Shahzad y col. introdujeron el concepto de factor de concentración de carga (LCF: Load concentration factor) para la optimización de la localización de la generación distribuida, el método propuesto simplifica los cálculos necesarios para minimizar las pérdidas y adecuar el perfil de tensiones [44]. El factor de concentración de carga indica la cantidad de carga conectada en un cierto punto del sistema de potencia.

Theo y col. revisaron recientemente las técnicas de planificación y optimización para generación distribuida y resaltaron los principales aspectos a mejorar en este ámbito [45]. Entre ellos:

1. Evaluación de los recursos renovables: emplear técnicas modernas para predicción de los datos meteorológicos puede mejorar la confiabilidad de los diseños.

2. Modelos de la generación: actualmente son muy específicos, por lo que se necesita generalizarlos y desarrollar modelos para nuevas tecnologías.

3. Modelo de la carga: particularmente en el ámbito industrial se recomienda indagar sobre los impactos de distintos tipos de procesos en la demanda eléctrica.

4. Modelo del almacenamiento de energía: se requiere desarrollar modelos detallados de los sistemas de almacenamiento de acuerdo a la tecnología actual.

Por otro lado, existe la necesidad de mejorar el despacho de la generación distribuida de manera que la operación del sistema sea lo más eficiente posible. En este ámbito, se han desarrollado modelos de despacho de generación distribuida que toman en consideración criterios técnicos y económicos para optimizar la operación de la red, entre ellos el desarrollado por Ansarian y col. [46], el cual se basa en una función multiobjetivo difusa para optimizar de forma simultánea costos, confiabilidad, pérdidas y perfil de tensiones.

La generación distribuida y las micro redes se encuentran ampliamente relacionadas. Se puede decir que las micro redes son una evolución natural de la generación distribuida. De hecho, el primer concepto introducido por Lasseter y col. las define como una solución para aprovechar la potencialidad de la generación distribuida integrándolas a las cargas, donde el conjunto de cargas y microgeneradores opera como un sólo sistema suministrando potencia y calor [47]. De acuerdo con la revisión realizada por Fathima y Palanisamy las investigaciones con respecto a la optimización de sistemas de generación híbridos y micro redes han apuntado principalmente los aspectos económicos y ambientales, aunque también son importantes las restricciones que garantizan la calidad de la energía y la estabilidad del sistema para la interconexión con la red [27].

El diseño de micro redes aisladas se ha formulado como problema de optimización, el cual permite obtener los tamaños apropiados de los componentes minimizando los costos y restringiendo la LPSP [48]. Recientemente, se han realizado distintas formulaciones para el problema del dimensionamiento de las micro redes tomando en cuenta la generación híbrida y el almacenamiento de energía [49-51]. De acuerdo con Gamarra y col. [52] el análisis de sensibilidad se ha revelado como un paso crítico en la planificación de micro redes para desarrollar un diseño robusto en términos de factibilidad económica.

En términos del control de la operación del sistema, uno de los problemas más importantes es decidir el modo de operación de la micro red, es decir, operar conectada a la red principal u operar en modo isla. En el caso de micro redes aisladas, se han realizado formulaciones de despacho de potencia activa y reactiva, y flujo óptimo de potencia considerando la integración entre fuentes de energía convencionales y fuentes renovables [53-56].

Por otra parte, se ha considerado la operación de micro redes conectadas a sistema de potencia macro. En este sentido, se ha modelado la red de potencia como un “sistema de sistemas” mediante una estrategia de control que incorpora recursos de energía distribuidos, dispositivos de almacenamiento y cargas; se emplea una función objetivo para minimizar los intercambios de potencia entre las micro redes y garantizar el funcionamiento dentro de límites técnicos [57]. Sin embargo, este enfoque es preliminar y aun es necesario formular un modelo detallado de flujo óptimo de potencia para la red con micro redes en funcionamiento.

3.3. Flexibilización de los sistemas de transmisión

Como se ha mencionado, la evolución de los sistemas de potencia hacia redes inteligentes implica una mayor flexibilidad y control en la transmisión de energía eléctrica; los FACTS y la transmisión en HVDC permiten aportar estas características a los sistemas de potencia.

Una de las características en común de los FACTS y las líneas de transmisión en HVDC es que dependen de dispositivos de electrónica de potencia, por lo tanto, uno de los puntos de interés ha sido integrar estos dispositivos a modelos de optimización de la operación, como el despacho de potencia o el flujo óptimo de potencia. En tal sentido, se han formulado varias investigaciones [58,59].

Recientemente, Vanitha y col. propusieron un método que considera varias funciones objetivo para el problema de flujo óptimo de potencia incorporando dispositivos FACTS como lo son los compensadores estáticos síncronos (STATCOM: Static synchronous compensator). Demostraron la aplicación del algoritmo de evolución diferencial y de la programación aditiva difusa con pesos para la evaluación de múltiples objetivos, como una solución óptima holística al sistema [17].

Varios autores han tratado de integrar la transmisión en HVDC en la formulación del problema de flujo óptimo de potencia mediante distintos modelos [19,55,60,61]. Principalmente se han utilizado modelos basados en métodos heurísticos y en inteligencia artificial para lidiar con la complejidad matemática de los modelos de dispositivos de electrónica de potencia.

Una de las aplicaciones de la transmisión HVDC es la conexión de plantas eólicas costa afuera. Khraijah y El-Amin propusieron un modelo de planificación de grandes plantas eólicas costa afuera conectadas mediante un sistema de transmisión en HVDC con múltiples terminales. Sin embargo, esta propuesta necesita ser implementada en casos reales para su validación completa [62].

Por otra parte, se ha buscado optimizar la localización y el ajuste de los dispositivos FACTS en la red de transmisión, para lograr mejorar el desempeño del sistema de transmisión. De tal manera que se han formulado distintos modelos para optimizar la localización de los FACTS [63-68].

3.4. Gestión de la demanda óptima

Vardakas y col. [69] revisaron los programas de respuesta de la demanda, los métodos de tarifado y algoritmos de optimización. Esta investigación obtuvo algunas conclusiones importantes para la optimización de la gestión de la demanda:

1. Los esquemas de respuesta de la demanda tienden a tener un mayor éxito mientras la participación de los usuarios finales es mayor, por lo tanto estos esquemas deben ser atractivos y apropiados al tipo de usuario.

2. Para optimizar la gestión de la demanda es esencial la predicción precisa de la demanda en tiempo real, para lo cual se han aplicado algoritmos basados en lógica difusa, teoría de juegos y redes neuronales, pero es un campo que todavía tiene mucho por explorar.

3. Otro pilar fundamental para lograr la gestión de la demanda es la disponibilidad de datos precisos del sistema en tiempo real, es por ello que las tecnologías para la monitorización del sistema serán decisivas en la evolución hacia las redes inteligentes.

Tabla 2: Clasificación de publicaciones revisadas entre los años 2010 y 2016 de acuerdo a las características de los sistemas actuales y el tipo de problema de optimización que busca resolver.

Fuente: Elaborado por los autores.

De acuerdo con Wang y col. la flexibilización de la demanda del sistema implica que pueden existir problemas de calidad de energía, como fluctuaciones en las tensiones del sistema, por lo tanto se recomienda la aplicación del flujo óptimo de potencia en AC y en tiempo real para garantizar la apropiada operación del sistema [70]. Sin embargo, es necesario proponer modelos para integrar las estrategias de gestión de la demanda en los algoritmos de flujo óptimo de potencia.